論文の概要: A Dataset and Benchmark for Malaria Life-Cycle Classification in Thin
Blood Smear Images
- arxiv url: http://arxiv.org/abs/2102.08708v1
- Date: Wed, 17 Feb 2021 11:44:52 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-19 02:41:22.532478
- Title: A Dataset and Benchmark for Malaria Life-Cycle Classification in Thin
Blood Smear Images
- Title（参考訳）: 薄血スミア画像におけるマラリアライフサイクル分類のためのデータセットとベンチマーク
- Authors: Qazi Ammar Arshad, Mohsen Ali, Saeed-ul Hassan, Chen Chen, Ayisha
Imran, Ghulam Rasul, Waqas Sultani
- Abstract要約: マラリア顕微鏡、寄生虫Plasmodiumを検出するステンド血液スライドの顕微鏡検査は、マラリアを検出するための金標準であると考えられています。
本研究では,染色フィルム写真中のプラスモジウム寄生虫を自動的に検出(局在化)する深層学習に基づく手法を提案する。
機械学習に基づくマラリア顕微鏡の研究を容易にするために,新しい大規模顕微鏡画像マラリアデータセットを提案する。
- 参考スコア（独自算出の注目度）: 7.113350536579545
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Malaria microscopy, microscopic examination of stained blood slides to detect
parasite Plasmodium, is considered to be a gold-standard for detecting
life-threatening disease malaria. Detecting the plasmodium parasite requires a
skilled examiner and may take up to 10 to 15 minutes to completely go through
the whole slide. Due to a lack of skilled medical professionals in the
underdeveloped or resource deficient regions, many cases go misdiagnosed;
resulting in unavoidable complications and/or undue medication. We propose to
complement the medical professionals by creating a deep learning-based method
to automatically detect (localize) the plasmodium parasites in the photograph
of stained film. To handle the unbalanced nature of the dataset, we adopt a
two-stage approach. Where the first stage is trained to detect blood cells and
classify them into just healthy or infected. The second stage is trained to
classify each detected cell further into the life-cycle stage. To facilitate
the research in machine learning-based malaria microscopy, we introduce a new
large scale microscopic image malaria dataset. Thirty-eight thousand cells are
tagged from the 345 microscopic images of different Giemsa-stained slides of
blood samples. Extensive experimentation is performed using different CNN
backbones including VGG, DenseNet, and ResNet on this dataset. Our experiments
and analysis reveal that the two-stage approach works better than the one-stage
approach for malaria detection. To ensure the usability of our approach, we
have also developed a mobile app that will be used by local hospitals for
investigation and educational purposes. The dataset, its annotations, and
implementation codes will be released upon publication of the paper.
- Abstract（参考訳）: マラリア顕微鏡、寄生虫Plasmodiumを検出するステンド血液スライドの顕微鏡検査は、生命を脅かす病気のマラリアを検出するための金標準であると考えられています。
プラスミジウム寄生虫の検出には熟練した検査官が必要で、スライド全体を完全に通過するのに最大10分から15分かかる。
未発達または資源不足の地域では熟練した医療専門家が不足しているため、多くの患者は誤診され、避けられない合併症や不適切な薬が生じる。
染色フィルム写真中のプラスモジウム寄生虫を自動的に検出(局在化)する深層学習法を考案し,医療従事者を補完することを提案する。
データセットのアンバランスな性質を扱うために、2段階のアプローチを採用しています。
最初の段階は、血液細胞を検出し、健康的または感染しただけに分類するように訓練されています。
第2段階は、検出された各細胞をさらにライフサイクルステージに分類するように訓練される。
機械学習に基づくマラリア顕微鏡の研究を容易にするために,新しい大規模顕微鏡画像マラリアデータセットを提案する。
血液サンプルの異なるGiemsa染色スライドの345の顕微鏡画像から30万細胞がタグ付けされています。
大規模な実験は、データセット上でVGG、DenseNet、ResNetなど、さまざまなCNNバックボーンを使用して行われる。
実験と分析の結果,2段階のアプローチはマラリア検出の1段階のアプローチよりも有効であることが判明した。
このアプローチのユーザビリティを確保するために,我々は,地域病院が調査や教育目的で利用するモバイルアプリも開発した。
データセット、そのアノテーション、実装コードは、論文の発行時にリリースされる予定だ。
関連論文リスト
- Deep Learning Algorithms for Early Diagnosis of Acute Lymphoblastic Leukemia [0.0]
急性リンパ性白血病(英語: acute lymphoblastic leukemia、ALL)は、白血球に影響を及ぼす血液がんの一種である。
本研究では,ALの診断過程を支援するバイナリ画像分類モデルを提案する。
論文 参考訳（メタデータ） (2024-07-14T15:35:39Z) - μ-Bench: A Vision-Language Benchmark for Microscopy Understanding [43.27182445778988]
視覚言語モデル(VLM)は、大規模生物学的画像解析に有望なソリューションを提供する。
VLMを評価するための、標準化された、多様な、そして大規模なビジョンベンチマークが欠如している。
mu-Benchは22のバイオメディカルタスクを含む専門家によるベンチマークである。
論文 参考訳（メタデータ） (2024-07-01T20:30:26Z) - CodaMal: Contrastive Domain Adaptation for Malaria Detection in Low-Cost Microscopes [51.5625352379093]
マラリアは世界中で大きな問題であり、診断には低コストの顕微鏡(LCM)で効果的に動作するスケーラブルなソリューションが必要である。
ディープラーニングに基づく手法は、顕微鏡画像からコンピュータ支援による診断に成功している。
これらの方法には、マラリア原虫の感染した細胞とその生活段階を示す注釈画像が必要である。
LCMからの注記画像は、高精細顕微鏡(HCM)からの注記画像と比較して医療専門家の負担を著しく増大させる
論文 参考訳（メタデータ） (2024-02-16T06:57:03Z) - Multi-task Explainable Skin Lesion Classification [54.76511683427566]
少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。
提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
論文 参考訳（メタデータ） (2023-10-11T05:49:47Z) - Fluorescent Neuronal Cells v2: Multi-Task, Multi-Format Annotations for
Deep Learning in Microscopy [44.62475518267084]
このデータセットは、歯状神経細胞の核と細胞質が多様なマーカーで染色される3つのイメージコレクションを含んでいる。
画像の他に、セマンティックセグメンテーション、オブジェクト検出、カウントなど、いくつかの学習タスクに対して、地平のアノテーションを提供する。
論文 参考訳（メタデータ） (2023-07-26T15:14:10Z) - Unsupervised Deep Digital Staining For Microscopic Cell Images Via
Knowledge Distillation [46.006296303296544]
大規模にステンド/アンステンディングされたセルイメージペアを実際に取得することは困難である。
本稿では,セル画像のデジタル染色のための新しい教師なしディープラーニングフレームワークを提案する。
提案手法は, より正確な位置と形状の染色画像を生成することができることを示す。
論文 参考訳（メタデータ） (2023-03-03T16:26:38Z) - Towards Low-Cost and Efficient Malaria Detection [2.7402733069180996]
マラリアは致命的だが治療可能な病気だ。
深層学習に基づく手法は、専門家の負担を軽減するだけでなく、低コストの顕微鏡の診断精度を向上させる可能性がある。
本稿では,低コスト顕微鏡を用いたマラリア顕微鏡の研究をさらに進めるためのデータセットを提案する。
論文 参考訳（メタデータ） (2021-11-26T18:34:32Z) - Parasitic Egg Detection and Classification in Low-cost Microscopic
Images using Transfer Learning [1.6050172226234583]
高品質な顕微鏡画像における自動寄生虫分類の効率を高めるために, トランスファーラーニング戦略を用いたCNNベースの手法を提案する。
提案するフレームワークは,最先端のオブジェクト認識手法よりも優れている。
本システムと専門家による最終決定が組み合わさって, 低コスト顕微鏡による実地精査を改善できる可能性がある。
論文 参考訳（メタデータ） (2021-07-02T11:05:45Z) - Relational Subsets Knowledge Distillation for Long-tailed Retinal
Diseases Recognition [65.77962788209103]
本研究では,長尾データを知識に基づいて複数のクラスサブセットに分割し,クラスサブセット学習を提案する。
モデルがサブセット固有の知識の学習に集中するように強制する。
提案手法は長期網膜疾患認識タスクに有効であることが判明した。
論文 参考訳（メタデータ） (2021-04-22T13:39:33Z) - Localization of Malaria Parasites and White Blood Cells in Thick Blood
Smears [5.36646793661301]
本研究はマラリア原虫および白血球(WBCs)の局在と数に対するエンドツーエンドアプローチを提案する。
血液スミア画像のスライスデータセットを用いて,得られたデジタル画像を解析するモデルを構築した。
予備的な結果は、我々のディープラーニングアプローチがマラリア原虫とWBCの数を確実に検出し、返却していることを示している。
論文 参考訳（メタデータ） (2020-12-03T15:14:38Z) - MOSQUITO-NET: A deep learning based CADx system for malaria diagnosis
along with model interpretation using GradCam and class activation maps [9.01199960262149]
マラリアは世界でも最も致命的な病気の1つで、毎年数千人が死亡している。
マラリアの原因となる寄生虫は、科学的にはプラスモジウムと呼ばれ、ヒトの赤血球に感染する。
マラリアの診断には、顕微鏡的血腫の医療従事者による寄生細胞の同定と手動計測が必要である。
論文 参考訳（メタデータ） (2020-06-17T13:00:30Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。